Cerebral palsy pain instruments: Recommended tools for clinical research studies by the National Institute of Neurological Disorders and Stroke Cerebral Palsy Common Data Elements project
Notice bibliographique
Résumé
AIM: This study describes the process of updating the cerebral palsy (CP) common data elements (CDEs), specifically identifying tools that capture the impact of chronic pain on children's functioning. METHOD: Through a partnership between the American Academy for Cerebral Palsy and Developmental Medicine and the National Institute of Neurological Disorders and Stroke (NINDS), the CP CDEs were developed as data standards for clinical research in neuroscience. Chronic pain was underrepresented in the NINDS CP CDEs version 1.0. A multi-step methodology was applied by an interdisciplinary professional team. Following an adapted CP chronic pain tools' rating system, and a review of psychometric properties, clinical utility, and compliance with inclusion/exclusion criteria, a set of recommended pain tools was posted online for external public comment in May 2022. RESULTS: Fifteen chronic pain tools met inclusion criteria, representing constructs across all components of the International Classification of Functioning, Disability and Health. INTERPRETATION: This paper describes the first condition-specific pain CDEs for a pediatric population. The proposed set of chronic pain tools complement and enhance the applicability of the existing pediatric CP CDEs. The novel CP CDE pain tools harmonize the assessment of chronic pain, addressing not only intensity of chronic pain, but also the functional impact of experiencing it in everyday activities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,178 | 0,242 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,018 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».